人类步态向量化：一种用于监测与意图识别的自适应运动学嵌入方法

《IEEE Transactions on Neural Systems and Rehabilitation Engineering》：Vectorizing Human Gait: An Adaptive Kinematic Embedding for Monitoring and Intent Detection

　　

摘要：

下肢外骨骼能够为步态康复提供有效帮助，但其效果取决于使用者与机器人控制器之间的精准协调。我们提出了一种实时方法，通过髋关节和膝关节角度的反馈来估算并表征使用者的预期动作。该方法通过一系列处理步骤获得运动学特征向量，包括步态阶段识别、数据标准化，以及将冯·米塞斯基函数模型递归拟合到髋关节和膝关节的屈曲角度上。研究表明，这些基函数系数可形成丰富的特征向量，用于分类和检测步态模式的变化，同时还能独立于使用者在步态周期中的当前阶段，实时给出步态周期内关节运动的最大似然估计值。该算法在16名参与者、16种跑步机行走及地面行走条件下进行了测试，结果显示其能够准确重建关节运动数据。研究还表明，冯·米塞斯基函数模型可以很好地模拟步态周期内的关节运动，决定系数超过0.90 ± 0.03。不同行走条件下的特征向量存在显著差异，这使得能够高效地实时检测出诸如肢体不对称跛行之类的变化。